이산 푸리에 변환(Discrete Fourier Transform, DFT)은 이산적인(discrete) 입력 신호를 주파수 영역으로 변환하는 수학적 변환이다. 연속 함수에 대해 정의되는 푸리에 변환(Fourier Transform, FT)과 달리, DFT는 시간 영역에서 유한 개의 샘플로 표현된 이산 신호를 주파수 영역의 유한 개의 값으로 변환한다.
정의
N개의 이산적인 복소수 신호 $x_0, x_1, x_2, \cdots, x_{N-1}$에 대한 DFT는 다음과 같이 정의된다.
$$ X_k \equiv \sum_{n=0}^{N-1} x_n e^{-\frac{2\pi i}{N}kn}, \quad k = 0, \cdots, N-1 $$
여기서 $X_k$는 주파수 성분을 나타내며, $N$은 샘플의 개수이다. 역변환(Inverse DFT, IDFT)은 다음과 같다.
$$ x_n = \frac{1}{N} \sum_{k=0}^{N-1} X_k e^{\frac{2\pi i}{N}kn}, \quad n = 0, \cdots, N-1 $$
의의와 필요성
연속 푸리에 변환은 적분(integral)을 사용하므로 컴퓨터에서 직접 계산하기 어렵다. 반면 DFT는 유한 합(finite sum)으로 표현되므로 디지털 컴퓨터를 이용한 수치 계산이 가능하다. 이로 인해 DFT는 디지털 신호 처리(DSP), 오디오 및 이미지 압축, 통신 시스템, 레이더, 의료 영상 등 다양한 공학 및 과학 분야에서 핵심 도구로 사용된다.
고속 푸리에 변환(FFT)과의 관계
DFT를 정의대로 계산하면 연산량이 $O(N^2)$에 비례하지만, 고속 푸리에 변환(Fast Fourier Transform, FFT) 알고리즘을 사용하면 $O(N \log N)$으로 줄일 수 있다. 실제 응용에서는 거의 항상 FFT를 통해 DFT를 계산한다. 이 외에도 Goertzel 알고리즘과 같은 다른 계산 알고리즘이 존재하며, 특히 전화 통화에서의 톤 검출(tone detection)에 사용된다.
주요 특성
- 선형성(Linearity): DFT는 선형 연산이다.
- 주기성(Periodicity): DFT의 결과는 주파수 영역에서 주기적 성질을 가진다.
- 대칭성(Symmetry): 실수 입력 신호에 대해 DFT 결과는 켤레 대칭(conjugate symmetric)을 이룬다.
- 원형 합성곱 정리(Circular Convolution Theorem): 시간 영역의 원형 합성곱은 주파수 영역에서 단순 곱으로 변환된다.
- 파세발 정리(Parseval's Theorem): 시간 영역과 주파수 영역에서의 에너지(또는 전력)가 보존된다.
응용 분야
- 디지털 신호 처리 (음성 인식, 필터 설계)
- 오디오 및 이미지 압축 (MP3, JPEG)
- 통신 시스템 (OFDM, 직교 주파수 분할 다중화)
- 스펙트럼 분석
- 의료 영상 (MRI, CT)
- 레이더 및 소나 시스템
이산 푸리에 변환은 수학, 공학, 물리학 전반에 걸쳐 광범위하게 사용되는 정립된 수학적 개념이며, 관련 서적과 학술 문헌이 풍부하게 존재한다.
